在商业中做出适当的判断是困难的，尤其是当没有足够的数据来辅助决策时。 分析历史并不总是可以可靠地预测未来会发生什么。 因此，仅仅根据历史事实来做决定往往是不正确的。 预测分析和规范分析是公司领导者用来超越这些限制的两种前瞻性技术。 他们更正确地预测未来，并且在规范性分析的情况下，通过结合历史数据（描述性分析）、规则和业务知识，指导高管做出最佳的整体决策。 但是在朝着这个方向迈出一步之前，您应该首先了解两者之间的区别（预测分析与规范分析）——考虑到它们听起来很相似。
概述（预测性与规范性分析）
这些分析技术日益增长的重要性反映在预测性和规范性分析的全球市场将以 到 19.6 年，复合年增长率为 28.7%，达到 2026 亿美元。
所以最大的问题是，预测性分析和规范性分析之间是否有任何区别，或者它们是否可以互换？
相反，尽管这两种策略都具有前瞻性，听起来可能相似，但它们之间存在显着差异。 根据 Gartner 的分析上升模型，以下是分析技术的层次结构：
- 发生了什么？ (描述性分析)
- 为什么会这样？ (诊断分析)
- 会发生什么？ (预测分析)
- 我们如何才能使预测分析成为现实？ (规范性分析)
因此，虽然预测分析预示着可能发生的事情，但规范性分析却揭示了如何实现它。 在这种情况下，预测分析服从于规范分析。 这并不是说预测分析没有用。 只是他们提供的信息不一样。
预测分析
使用统计和建模方法来预测未来会发生什么被称为预测分析。 它使用历史数据和建模方法计算给定事件或事件的可能性。 预测性维护是预测分析的一个很好的例子，因为它试图通过使用各种算法和机器数据来估计重要组件的生命周期来确定机器何时需要服务。 尽管这些数据信息丰富且可操作，但它并未定义应遵循的具体操作。 相反，它告诉用户需要维护。
规范性分析
规范性分析不同于预测性分析，因为它不仅可以预测将要发生的事情，还可以为用户提供特定的选项，并根据指定的标准规定哪些业务解决方案是最佳的。 这种类型的分析可以帮助企业或组织建立模型。 并且为了确保它准确地代表业务的所有方面，该模型会根据当前和历史数据进行评估。
此外，用户可以检查模型以确定基于既定标准（如盈利能力、SLA 和吞吐量）的最佳决策，而不仅仅是预测会发生什么。
在上述预测性维护示例的背景下，规范性分析不仅决定维护迫在眉睫，而且还确定维护、更换或外包的最佳选择，以最大限度地提高总盈利能力和营业额。
预测性与规范性分析：有什么区别？
预测性分析和规范性分析都是至关重要的业务工具，每种工具都有不同的用途。 但是，预测分析不如规范分析，根据 Gartner 的分析层次结构。 这是因为预测分析预测会发生什么，但不提供如何做出必要决策的方向。 另一方面，规范性分析不仅可以预测会发生什么，还可以确定最优化的业务决策。
预测分析的属性
- 有助于对业务的某些元素进行建模。
- 预测未来可能发生的事情。
- 它预测一个时间范围（什么时候会发生）。
- 输出不可操作； 它们仅表明需要作出决定。
- 它倾向于将一种功能优先于其他功能。
- 通常，使用具有有限选项的预定场景来测试假设。
规范分析的属性
- 有助于为整个公司建模
- 完全依赖数据
- 协助推荐具体的业务决策。
- 考虑到相互依赖
- 不受严格规定的限制
- 收益是可观察和可量化的。
- 包含假设情景。
- 从字面上看，没有“直觉”和个人偏见
- 考虑所有输入、变量和结果。
- 实施经过校准和验证的模型，以准确反映公司的运营方式。
分析预测性与规范性分析重要吗？
是的，预测性分析和规范性分析之间的区别很重要。
有些人经常想知道这两种分析之间的区别在实践中是否真的很重要。 这是因为与规范性分析相比，预测性分析更加经济。 换句话说，他们试图指出优化规范分析解决方案比优化小规模预测分析解决方案需要更多的努力。 在回答这个问题时，评估潜在客户的业务成熟度至关重要。
虽然大多数公司都采用商业智能，但并非所有公司都已进入预测分析。 此外，记录显示，目前只有 11% 的大中型企业使用规范性分析。 另一方面，规范性分析软件市场预计将以 到 20.6 年复合年增长率为 2023%. 这表明大约 37% 的企业将开始使用规范性分析。
这些发现表明，预测分析和规范分析之间的区别对于越来越多的企业来说变得越来越重要。
无论如何，这两种分析方法的目的完全不同。 预测分析是被动的，因为它强调管理层必须做出响应。 另一方面，规范性分析是主动的，因为它们向管理层展示了前进的道路。
但这是他们的共同点。 预测性分析和规范性分析都使用从公司或企业获得的实时数据以及其他信息。
预测分析与规范分析：您会解决什么问题？
预测性和规范性分析不是可以单独使用的独立解决方案。 所有类型的业务分析在组织中都可以解决各种问题。
预测分析通常是一种识别中短期趋势的工具，这些趋势通常会派上用场——尽管与更大的趋势相隔离。 这里有一些例子：
- 短期保险的风险分析
- 销售趋势，尤其是个别产品线和商品。
- 需求预测
- 库存管理
- 客户流失
- 盈利
- 保养要求
另一方面，规范性分析对情况有广泛的看法。 规范性模型通常分析整个组织，或者至少是离散的职能、部门或工厂，而预测分析可以测量特定的模式。 规范性分析解决了以下问题：
- 优化多个煤矿的煤炭开采以满足客户需求，同时提高整体盈利能力。
- 确定最佳的制造和库存策略，尤其是针对消费品公司。
- 为服务于广大大都市地区的污水处理设施选择最佳运营方法，同时遵守法规。
两种技术提供的组织价值差异
尽管这两种方法都有实际的好处，但规范分析通常优于预测分析。 虽然运营规模很重要，但所采取的决策类型和规范分析优化决策的能力也很重要。
对于短期风险评估，预测分析倾向于关注相对有限的标准集合，例如上面的示例。 虽然这种形式的研究可以通过降低风险产生显着的收益，但它不太可能与模仿保险公司运营的规范性分析解决方案具有相同的规模。 像这样的模型可以发现最有利可图的保险产品、最好的市场以及获得长期业务成功的最佳方法。 此外，企业高管可以使用规范性分析来检查各种假设、可能性和权衡，而不是局限于特定的场景。
规范性分析可能比预测性分析更昂贵，但投资回报率可能更高。
技术需求之间的区别
数据分析传统上是数据科学家的领域。 但是，当今快节奏的商业环境要求直线经理和高管能够立即使用这些分析工具。 虽然这并不表示参与编程或数据细化，但确实需要他们有权访问最终用户工具和仪表板，以便他们独立调查结果。 这种亲力亲为的方法使人们对技术产生了信任，同时还提供了实时数据来帮助决策。
您基本上可以使用各种技术执行大量规范性分析任务，从高级编程语言到内置 ERP 工具和特定于解决方案的软件包。 为了使数据可用，第一步是对其进行清理和整合。 此后，许多分析方法包括：
- 回归技术； 包括线性、基于时间和逻辑回归方法
- 机器学习方法
- 神经网络
- 条件概率（朴素贝叶斯）
规范性分析通过将启发式或优化纳入分析而更进一步。
启发式
在处理无法描述的操作场景时，启发式方法会派上用场。 这种方法是一种基于规则的数学方法。 它在定期做出类似决定的情况下很有用，例如获取原材料。 基本上，启发式方法对于自动化判断很有用，但对于优化它们没有多大用处。 但是，一些基本缺陷包括没有要求定期修改规则以避免规则过时，以及启发式不能检查所有可能的情况。
理想的解决方案是使用数学模型和精确算法的组合来确定的。 为了回答特定的查询，创建反映业务或功能的数学模型，并采用精确的算法。 优化模型的目标是最大化或减少利润或成本等参数。
优化
打包的解决方案和优化平台也可用于 规范性分析软件。 软件包更易于配置，并且经常被创建以解决常见问题或特定行业。 它们通常作为云中的 SaaS 或 PaaS 解决方案提供。
然而，优化平台由两部分组成：用于定义问题的建模平台和优化求解器。
使用拖放式可视界面或使用数学来创建模型。 此外，大多数优化系统都是在内部运行的，费用差异很大。 他们提供高度个性化的解决方案，这些解决方案是问题的现实代表。 此外，他们可能需要使用熟练的程序员来构建模型，并且他们经常缺乏最终用户界面。
一些，如 River Logic 的 Microsoft Azure 平台，需要广泛的编程能力，而另一些，如 River Logic 的 Microsoft Azure 平台，则不需要。
什么是预测性和规范性分析？
预测性分析和规范性分析是公司领导者用来超越仅基于推测做出决策的限制的两种前瞻性技术。 他们更准确地预测未来，在规范分析的情况下，通过结合历史数据（描述性分析）、规则和业务知识，指导高管做出最佳的整体决策。
规范性和预测性维护之间有什么区别？
与预测性分析不同，规范性分析不仅决定是否需要维护，而且还确定维护、更换或外包的最佳选择，以最大限度地提高总盈利能力和营业额。
哪个是规范分析的例子？
地图和交通应用程序是规范分析的常见示例。 在计算从 A 点到 B 点的最佳路线时，Google 地图将检查所有可用的交通方式（例如公共汽车、步行或驾车）、当前交通状况和可能的道路工程。
什么类型的数据分析最有价值？
预测性分析预示着可能发生的事情，而规范性分析揭示了如何实现它。 在这种情况下，预测分析服从于规范分析。 这并不是说预测分析没有用。 只是他们提供的信息不一样。
预测分析和规范分析有何相似之处？
两者都提供知识甚至远见来帮助企业做出决策。 预测分析和规范分析都使用统计建模、机器学习和数据挖掘来为 MBA 高管和 MBA 研究生提供战略工具和对客户和整体运营的深入洞察。
